countEndmembersHFC

Количество конечных элементов

Свернуть все на странице

    Синтаксис

    numEndmembers = countEndmembersHFC(inputData)
    numEndmembers = countEndmembersHFC(inputData,Name,Value)

    Описание

    пример

    numEndmembers = countEndmembersHFC(inputData) находит количество конечных элементов, присутствующих в кубе гиперспектральных данных, используя метод Harsanyi-Farrand-Chang (NWFC), отбеленный шумом.

    пример

    numEndmembers = countEndmembersHFC(inputData,Name,Value) задает дополнительные опции, используя один или несколько аргументы пары "имя-значение". Для примера, 'NoiseWhiten',false не выполняет шум-отбеливание данных перед извлечением конечных элементов.

    Примечание

    Эта функция требует библиотеки Image Processing Toolbox™ гиперспектральной визуализации. Можно установить библиотеку Image Processing Toolbox Hyperspectral Imaging Library из Add-On Explorer. Дополнительные сведения об установке дополнений см. в разделе Получение и управление Дополнений.

    Примеры

    свернуть все

    Открыть Live Script

    Чтение гиперспектральных данных в рабочую область.

    hcube = hypercube('jasperRidge2_R198.hdr');

    Найдите количество конечных элементов в гиперспектральных данных с помощью метода NWHFC.

    numEndmembers = countEndmembersHFC(hcube);

    Оцените спектры конечных элементов с помощью метода N-FINDR. 

    endmembers = nfindr(hcube,numEndmembers);

    Постройте график спектров конечных элементов. 

    figure
plot(endmembers)
title(['Number of Endmembers: ' num2str(numEndmembers)])
xlabel('Band Number')
ylabel('Data Values')

    Открыть Live Script

    Чтение гиперспектральных данных в рабочую область.

    hcube = hypercube('jasperRidge2_R198.hdr');

    Найдите количество конечных элементов в гиперспектральных данных с помощью метода HFC. Чтобы использовать метод ГФУ, установите 'NoiseWhiten' значение параметров в false.

    numEndmembers = countEndmembersHFC(hcube,'NoiseWhiten',false);

    Оцените спектры конечных элементов с помощью метода N-FINDR. 

    endmembers = nfindr(hcube,numEndmembers);

    Постройте график спектров конечных элементов.

    figure
plot(endmembers)
title(['Number of Endmembers: ' num2str(numEndmembers)])
xlabel('Band Number')
ylabel('Data Values')

    Входные параметры

    свернуть все

    Входные гиперспектральные данные, заданные как 3-D числовой массив, который представляет кубик гиперспектральных данных размера M -by- N -by- C или hypercube объект. Если вход является hypercube объект, функция считывает кубик данных, хранящийся в DataCube свойство объекта. Гиперспектральный кубик данных должен быть вещественным и не разреженным.

    Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

    Аргументы в виде пар имя-значение

    Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

    Пример: countEndmembersHFC(inputData,'NoiseWhiten',false)

    Вероятность ложного предупреждения, заданная как разделенная разделенными запятой парами, состоящая из 'PFA' и положительная скалярная величина в область значений (0, 1].

    Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

    Выполните шумовое отбеливание, заданное как разделенная разделенными запятой парами, состоящая из 'NoiseWhiten' и числовое или логическое 1 (true) или 0 (false).

    • true или 1 - Перед вычислением количества конечных элементов выполните шумовое отбеливание входных данных. Этот подход является методом NWHFC.

    • false или 0 - Не выполнять шумобеление входных данных перед вычислением количества конечных элементов. Этот подход является методом Харсаньи-Фарран-Чанга (HFC).

    Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical

    Выходные аргументы

    свернуть все

    Количество конечных элементов в гиперспектральных данных, возвращаемое как положительный числовой скаляр.

    Типы данных: double

    Ссылки

    [1] Chang, C.-I., and Q. Du. «Estimation of Number of Spectral Distinct Signal Sources in Hyperspectral Imagery». Транзакции ИЭЭЭ по вопросам геологии и дистанционного зондирования 42, № 3 (март 2004 года): 608-19. https://doi.org/10.1109/TGRS.2003.819189.

    См. также

    | | | |

    Введенный в R2020a

    Документация по Image Processing Toolbox

    Поддержка

    Для просмотра документации необходимо авторизоваться на сайте